Des requêtes sur la mise en page et les applications web, jugées à l'aveugle par des personnes. La différence avec la sélection programmation tient à la mesure : là-bas on compte les tâches résolues, ici le résultat que les gens ont préféré. Pour le web c'est plus parlant, car l'aspect du résultat fait partie de ce qui est jugé.
| # | Modèle | Développeur | Arena Score, web | Connexion$ / 1M | Sortie$ / 1M | Contextetokens |
|---|---|---|---|---|---|---|
| 1 | Claude Opus 5 | Anthropic | 1 704,67 1 689–1 720 | $5 | $25 | 1 000K |
| 2 | Kimi K3 | Moonshot AI (Kimi) | 1 675,56 1 664–1 687 | $2 | $8 | 1 049K |
| 3 | Claude Fable 5 | Anthropic | 1 630,02 1 621–1 639 | $10 | $50 | 1 000K |
| 4 | GPT-5.6 Sol ≈ | OpenAI | 1 620,27 1 611–1 630 | $5 | $30 | 1 050K |
| 5 | GLM 5.2 | Zhipu AI / Z.ai | 1 586,29 1 577–1 595 | $0,42 | $1,32 | 1 049K |
| 6 | DeepSeek V4 Flash ≈ | DeepSeek | 1 576,54 1 559–1 594 | $0,14 | $0,28 | 1 049K |
| 7 | Claude Opus 4.7 ≈ | Anthropic | 1 560,63 1 554–1 567 | $5 | $25 | 1 000K |
| 8 | Grok 4.5 ≈ | xAI | 1 549,24 1 539–1 560 | $2 | $6 | 500K |
| 9 | Claude Sonnet 5 ≈ | Anthropic | 1 541,89 1 532–1 552 | $2 | $10 | 1 000K |
| 10 | Claude Opus 4.8 ≈ | Anthropic | 1 538,84 1 531–1 547 | $5 | $25 | 1 000K |
| 11 | Claude Opus 4.6 ≈ | Anthropic | 1 537,93 1 532–1 544 | $5 | $25 | 1 000K |
| 12 | Muse Spark 1.1 ≈ | Meta AI | 1 535,95 1 525–1 546 | $1,25 | $4,25 | 1 049K |
| 13 | Gemini 3.6 Flash ≈ | Google DeepMind | 1 532,54 1 521–1 544 | $1,5 | $7,5 | 1 049K |
| 14 | GPT-5.6 Luna ≈ | OpenAI | 1 522,94 1 512–1 534 | $0,2 | $1,2 | 1 050K |
| 15 | Claude Sonnet 4.6 ≈ | Anthropic | 1 522,64 1 517–1 528 | $3 | $15 | 1 000K |
| 16 | GPT-5.6 Terra ≈ | OpenAI | 1 521,61 1 510–1 533 | $2 | $12 | 1 050K |
| 17 | Qwen3.7 Max ≈ | Alibaba (Qwen) | 1 516,97 1 509–1 525 | $2,5 | $7,5 | 1 000K |
| 18 | Hy3 ≈ | Tencent (Hunyuan) | 1 516,53 1 500–1 533 | $0,13 | $0,53 | 262K |
| 19 | GLM 5.1 ≈ | Zhipu AI / Z.ai | 1 516,16 1 508–1 524 | $0,06 | $0,22 | 205K |
| 20 | Kimi K2.6 ≈ | Moonshot AI (Kimi) | 1 509,51 1 502–1 517 | $0,22 | $1,14 | 262K |
| 21 | MiniMax M3 | MiniMax | 1 490,74 1 483–1 499 | $0,3 | $1,2 | 1 049K |
| 22 | Gemini 3.5 Flash ≈ | Google DeepMind | 1 486,18 1 478–1 494 | $1,5 | $9 | 1 049K |
| 23 | Qwen3.6 Max Preview ≈ | Alibaba (Qwen) | 1 478,18 1 465–1 491 | $1,3 | $7,8 | 262K |
| 24 | MiMo V2.5 Pro ≈ | Xiaomi | 1 474,02 1 467–1 481 | $0,44 | $0,87 | 1 050K |
| 25 | Kimi K2.7 Code ≈ | Moonshot AI (Kimi) | 1 472,57 1 463–1 482 | $0,28 | $1,1 | 262K |
| 26 | Claude 4.5 Opus ≈ | Anthropic | 1 466,99 1 460–1 474 | $5 | $25 | 200K |
| 27 | Qwen3.6 Plus ≈ | Alibaba (Qwen) | 1 457,86 1 452–1 464 | $0,5 | $3 | 1 000K |
| 28 | Gemini 3.5 Flash Lite ≈ | Google DeepMind | 1 451,88 1 408–1 496 | $0,3 | $2,5 | 1 049K |
| 29 | Gemini 3.1 Pro Preview ≈ | Google DeepMind | 1 446,83 1 441–1 452 | $2 | $12 | 1 049K |
| 30 | DeepSeek V4 Pro ≈ | DeepSeek | 1 446 1 439–1 453 | $0,44 | $0,87 | 1 049K |
| 31 | Gemini 3 Pro ≈ | Google DeepMind | 1 438,15 1 430–1 447 | $1,6 | $9,6 | 1 049K |
| 32 | Gemini 3 Flash ≈ | Google DeepMind | 1 438,01 1 429–1 447 | $0,4 | $2,4 | 1 049K |
| 33 | Kimi K2.5 Thinking TEE ≈ | Moonshot AI (Kimi) | 1 435,77 1 430–1 441 | $0,3 | $1,9 | 256K |
| 34 | MiMo V2.5 ≈ | Xiaomi | 1 435,5 1 428–1 443 | $0,14 | $0,28 | 1 050K |
| 35 | GLM 5 ≈ | Zhipu AI / Z.ai | 1 434,74 1 426–1 443 | $0,48 | $1,9 | 205K |
| 36 | GLM 4.7 ≈ | Zhipu AI / Z.ai | 1 433,46 1 421–1 446 | $0,15 | $0,8 | 205K |
| 37 | MiMo V2 Pro ≈ | Xiaomi | 1 433 1 425–1 441 | $0,44 | $0,87 | 1 049K |
| 38 | Inkling | Thinking Machines Lab | 1 411,46 1 402–1 421 | $1,87 | $4,68 | 1 049K |
| 39 | Qwen3.5 397B-A17B ≈ | Alibaba (Qwen) | 1 399,59 1 394–1 405 | $0,6 | $3,6 | 262K |
| 40 | GLM 5V Turbo ≈ | Zhipu AI / Z.ai | 1 399,35 1 385–1 414 | $0,7 | $3,1 | 203K |
| 41 | MiniMax M2.7 ≈ | MiniMax | 1 398,49 1 392–1 405 | $0,3 | $1,2 | 205K |
| 42 | Claude 4.1 Opus ≈ | Anthropic | 1 388,74 1 378–1 400 | $15 | $75 | 200K |
| 43 | MiniMax M2.5 ≈ | MiniMax | 1 386,27 1 378–1 395 | $0,3 | $1,2 | 1 000K |
| 44 | Claude Sonnet 4.5 ≈ | Anthropic | 1 385,13 1 378–1 392 | $3 | $15 | 1 000K |
| 45 | Grok 4.20 (Reasoning) ≈ | xAI | 1 373,68 1 367–1 380 | $2 | $6 | 2 000K |
| 46 | Gemma 4 26B-A4B ≈ | Google DeepMind | 1 366,59 1 349–1 384 | $0,05 | $0,29 | 262K |
| 47 | Gemma 4 31B ≈ | Google DeepMind | 1 363,39 1 355–1 371 | $0,14 | $0,4 | 262K |
| 48 | Qwen3.5 122B-A10B ≈ | Alibaba (Qwen) | 1 359,5 1 352–1 367 | $0,4 | $3,2 | 262K |
| 49 | Qwen3.5 27B ≈ | Alibaba (Qwen) | 1 357,62 1 349–1 366 | $0,3 | $2,4 | 262K |
| 50 | Grok 4.3 ≈ | xAI | 1 356,93 1 350–1 364 | $1,25 | $2,5 | 1 000K |
| 51 | Laguna M.1 ≈ | Poolside | 1 348,81 1 339–1 359 | $0,2 | $0,4 | 262K |
| 52 | GLM 4.6 ≈ | Zhipu AI / Z.ai | 1 339,03 1 328–1 350 | $0,29 | $1,14 | 205K |
| 53 | MiMo V2 Flash ≈ | Xiaomi | 1 330,69 1 321–1 341 | $0,14 | $0,28 | 262K |
| 54 | Claude Haiku 4.5 ≈ | Anthropic | 1 325,04 1 320–1 330 | $1 | $5 | 200K |
| 55 | DeepSeek V3.2 ≈ | DeepSeek | 1 323,38 1 315–1 331 | $0,28 | $0,4 | 164K |
| 56 | Kimi K2 Thinking Turbo ≈ | Moonshot AI (Kimi) | 1 322 1 315–1 329 | $1,15 | $8 | 262K |
| 57 | Laguna XS.2 ≈ | Poolside | 1 303,56 1 292–1 315 | $0,2 | $0,4 | 262K |
| 58 | MiniMax M2 ≈ | MiniMax | 1 296,69 1 286–1 308 | $0,3 | $1,2 | 205K |
| 59 | MiMo V2 Flash (Thinking) ≈ | Xiaomi | 1 291,23 1 275–1 308 | $0,1 | $0,31 | 256K |
| 60 | Qwen3 Coder 480B A35B ≈ | Alibaba (Qwen) | 1 272,22 1 264–1 280 | $1,5 | $7,5 | 262K |
| 61 | DeepSeek V3.2 Exp ≈ | DeepSeek | 1 271,78 1 258–1 285 | $0,22 | $0,33 | 164K |
| 62 | Mistral Medium 3.5 ≈ | Mistral AI | 1 267,07 1 251–1 283 | $1,5 | $7,5 | 262K |
| 63 | Gemini 3.1 Flash Lite Preview ≈ | Google DeepMind | 1 256,23 1 249–1 263 | $0,25 | $1,5 | 1 049K |
| 64 | KAT-Coder-Pro V1 ≈ | Kuaishou (Kling, KAT) | 1 255,01 1 235–1 275 | $0,3 | $1,2 | 256K |
| 65 | Qwen3.5 35B A3B ≈ | Alibaba (Qwen) | 1 250,46 1 233–1 268 | $0,25 | $2 | 262K |
| 66 | Grok 4.1 Fast Reasoning ≈ | xAI | 1 240,06 1 229–1 251 | $0,2 | $0,5 | 2 000K |
| 67 | Trinity Large Thinking ≈ | Arcee AI | 1 238,93 1 218–1 260 | $0,22 | $0,85 | 262K |
| 68 | Qwen3.5 Flash ≈ | Alibaba (Qwen) | 1 237,96 1 218–1 258 | $0,09 | $0,36 | 1 000K |
| 69 | Mistral Large 3 ≈ | Mistral AI | 1 230,02 1 204–1 256 | $0,5 | $1,5 | 256K |
| 70 | Gemini 2.5 Pro ≈ | Google DeepMind | 1 224,23 1 208–1 240 | $1,25 | $10 | 1 049K |
| 71 | Grok 4.1 ≈ | xAI | 1 210,33 1 185–1 235 | $2 | $10 | 200K |
| 72 | Granite 4.1 8B ≈ | IBM | 1 193,98 1 175–1 213 | $0,05 | $0,1 | 131K |
| 73 | Devstral 2 ≈ | Mistral AI | 1 193,89 1 173–1 215 | $0,4 | $2 | 256K |
| 74 | Mercury 2 ≈ | Inception Labs | 1 166,34 1 141–1 192 | $0,25 | $0,75 | 128K |
| 75 | Grok Code Fast 1 ≈ | xAI | 1 163,41 1 135–1 192 | $0,2 | $1,5 | 256K |
| 76 | Grok 4 Fast Reasoning ≈ | xAI | 1 160,41 1 133–1 188 | $0,2 | $0,5 | 2 000K |
| 77 | Devstral Medium | Mistral AI | 1 079,26 1 048–1 111 | $0,4 | $2 | 128K |
Le tableau défile latéralement : toutes les colonnes ne tiennent pas.
Le prix est le plus bas parmi les fournisseurs du modèle, tarif de base, hors tarifs par lots ou réduits. L'entrée et la sortie sont affichées séparément à dessein : chez la plupart des modèles, la sortie coûte plusieurs fois plus cher que l'entrée, et la facture finale dépend de ce qui domine dans la tâche.
Le signe ≈ marque les modèles dont l'intervalle de confiance recoupe celui de la ligne du dessus. Il y en a ici 70 modèles — leur ordre entre eux n'est pas déterminé par les données disponibles.
L'intervalle de confiance de la moitié des modèles dépasse 19,2 points — soit environ 2 lignes voisines du tableau. À l'intérieur d'un tel groupe, l'ordre est fixé non par les données mais par ceux qui ont voté cette fois-ci ; les données soutiennent l'écart entre le début et la fin de la liste, mais pas le voisinage des places. Votes par modèle ici — médiane 6 310: moins il y en a, plus l'intervalle est large.
Arena (LMArena)
— licence CC-BY-4.0 · source primaire
По данным Arena (LMArena)